Bir müdahalenin etkisi ortamdan ortama değişebilir. Örneğin, eğitim programları nitelik, nicelik veya kursiyerlerin ortalama öğrenme yeteneği açısından farklılık gösterebilir. Eğer böyle olsaydı, o zaman kümülasyon formülleri popülasyon etki büyüklükleri için sıfırdan farklı bir varyans, yani SDδ için sıfırdan farklı bir değer verirdi.

Bu tür varyasyonu açıklayan moderatör değişkenlerin aranması ve tespiti, korelasyonel çalışmalarda moderatör değişkenlerin aranmasında izlenen prosedürle aynıdır. Gerçekten de, genel matematik her ikisi için de aynıdır. Özellikle, çalışmaların sayısı küçükse ve kodlanmış çalışma özelliklerinin sayısı büyükse, kör arama, şansa bağlı olarak kapitalizasyona oldukça yatkındır.

Bölüm 9, meta-analizde moderatörlerin hiyerarşik analizini ve ikinci dereceden örnekleme hatasının meta-analizde moderatör analizi üzerindeki etkisini tartışır.

Bir çalışma özelliğinin moderatör değişken olup olmadığını görmenin iki yolu vardır: Verileri alt kümelere bölmek için özelliği kullanın veya çalışma özelliğini etki büyüklüğü ile ilişkilendirin. Hangi yöntemin daha iyi çalıştığına dair bir fikir oluşturmak için her iki yöntemle de gerçekleştirilen yeterli meta-analiz bulunmaktadır. Genellikle “daha ​​karmaşık” olarak lanse edilen korelasyon yönteminin çok daha sık yanlış kullanıldığı izlenimimizdir. Bu nedenle, çoğu amaç için alt küme yönteminin kullanılmasını tavsiye ederiz.

Son olarak, meta-analizin moderatörleri yalnızca çalışma düzeyinde inceleyebileceğini belirtelim. Örneğin, bazı çalışmalar erkekler ve bazıları kadınlar üzerinde yapılmışsa, meta-analiz cinsiyeti potansiyel bir moderatör olarak inceleyebilir. Ancak, her çalışma kadın ve erkek kombinasyonunu temel alıyorsa ve yalnızca toplam grup sonuçlarını bildiriyorsa, cinsiyet moderatör olarak test edilemez.

Çalışma Alanı Alt Kümelerini Kullanma

Çalışmalar alt kümelere ayrılırsa öğrenilecek yeni bir hesaplama aracı yoktur. Araştırmacı, her bir alt küme içinde yalnızca ayrı bir meta-analiz gerçekleştirir. Çıplak bir meta-analiz için söylenecek başka bir şey yok. Ancak, örnekleme hatası dışındaki yapaylıklar, çoğu araştırma alanında kritik bir özellik olarak düzeltilecekse, o zaman ek bir tavsiyemiz daha var.

Çoğu zaman, diğer artefaktlar için artefakt bilgisi yalnızca ara sıra bulunur ve bu nedenle (bu bölümün ilerleyen kısımlarında tartışılacaktır) artefakt dağılımı meta-analizi kullanılmalıdır. Bu tür çoğu durumda, artefakt dağılımları, çalışmaların alt kümeleri içinde ayrı ayrı hesaplanmak yerine, tüm çalışmalar için daha iyi hesaplanır. Tüm etki alanı yapay dağılım değerleri daha sonra alt kümeler içi meta analizlerin hesaplanmasında kullanılır.

Veriler alt kümelere bölünürse, moderatör değişkenin kendisini göstermesinin iki yolu vardır. İlk olarak, alt kümeler arasında ortalama etki büyüklüğünde bir fark olmalıdır. İkincisi, alt kümeler içinde varyansta bir azalma olmalıdır. Bunlar bağımsız olaylar değildir.

meta-analiz çalışması örneği
Meta analiz çalışması Nedir
Meta-analiz ile literatür taraması arasındaki farklar
İş analizi soru Formu örnekleri
İs analizi süreci aşamaları
İs analizi örneği pdf
meta-analiz makale örneği
Meta-analiz pdf

Varyans analizindeki önemli bir teoremden, etki büyüklüğündeki toplam varyansın, alt kümeler arasındaki ortalama etki büyüklüklerindeki varyans ile alt küme içi ortalama varyansın toplamı olduğunu biliyoruz. Bu nedenle, alt küme ortalama etki büyüklükleri arasında büyük bir fark varsa, alt küme içi varyans genel varyanstan daha küçük olmalıdır.

Bu teorem, gözlemlenen etki büyüklüklerine veya popülasyon etki büyüklüklerine eşit derecede iyi uygulanır. Varyansın bileşenleri için olağan formül, düzeltilmemiş varyanslar yerine düzeltilmiş varyanslara uygulanırsa, sonuç aynıdır: Alt küme ortalamaları arasındaki büyük bir fark, genel varyansa göre ortalama alt küme içi varyans için daha düşük bir değer anlamına gelir. (Ancak, iki moderatör grubunda eşit olmayan sayıda çalışma ve çalışmalar içinde eşit olmayan N s olduğunda, iki varyansa uygulanacak uygun ağırlığı belirlemek zorlaştığından, ortalama alt küme içi varyansı tam olarak hesaplamak zorlaşır. Bu koşullar altında -ki aslında olağan koşullardır- yalnızca araçlar arasındaki farklılıklara odaklanmak en iyisidir.

Çalışma Karakteristik İlişkilerini Kullanma

Bunun yerine moderatör değişkenleri aramaya ilişkin korelasyon yaklaşımını düşünün. Bu yaklaşımda, kodlanmış çalışma özelliği ile gözlemlenen etki büyüklüğü arasında çalışmalar üzerinden bir korelasyon hesaplarız. Örnekleme hatasının bu korelasyon üzerindeki etkisi, ölçüm hatasının denekler üzerindeki değişkenler arasındaki korelasyon üzerindeki etkisine doğrudan benzer: Korelasyon sistematik olarak azaltılır.

Bu nedenle, örnekleme hatasının etkisi için etki büyüklüğü ile çalışma özelliği arasındaki bir korelasyonu düzeltmek, bu korelasyonu, etki büyüklüğündeki gerçek varyasyonun göreli boyutuyla orantılı olarak, örnekleme hatasının neden olduğu yapay varyasyona arttırmaktır. Bu, ölçüm hatası nedeniyle zayıflama düzeltmesine doğrudan benzer. Örnekleme hatası için bu Var(d) düzeltmesi, ölçüm hatası için olağan deney içi varyansın düzeltilmesiyle karşılaştırılabilir.

Gözlenen örnek etki büyüklüğü, bir çalışma özelliği ile ilişkilendirilirse, o zaman korelasyon, gözlemlenen etki büyüklüğündeki örnekleme hatası tarafından, kişiler arasındaki olağan korelasyonların ölçüm hatasıyla zayıflamasıyla aynı şekilde azaltılacaktır. Örnekleme hatası formülünü göz önünde bulundurun:

• di = δi + ei

ve yi ile gösterilen bir çalışma karakteristiğini düşünün. d ve y arasındaki çalışmalar arasındaki korelasyonu Cor(d, y) olarak belirtin.

• Cov(d, y) = Cov(δ, y) + Cov(e, y) (7.43)

Geniş bir çalışma grubu için, örnekleme hatası ile çalışma özellikleri arasındaki kovaryans 0 olacaktır. Bu nedenle, bir bütün olarak araştırma alanında örnekleme hatası, çalışma karakteristiğinin kovaryansına ve etki büyüklüğüne katkıda bulunmaz.

• Var(d) = Var(δ) + Var(e)

Örnekleme hatası, etki büyüklüklerinin varyansına katkıda bulunur. Böylece, örnekleme hatasının etkisi, payda karşılık gelen bir artış yapmazken, çalışmanın karakteristik korelasyonunun paydasındaki varyansı arttırmaktır. Bu nedenle, örnekleme hatasının etkisi, korelasyonun boyutunu azaltmaktır.

Çalışma karakteristik korelasyonu, ölçüm hatası korelasyonunun düzeltilmesi için formüle tam olarak benzeyen bir formül kullanılarak örnekleme hatası için düzeltilebilir. Bunu yapmak için, Rel(d) ile gösterilen bir “güvenilirliği” tanımlamak için ölçüm hatasını kullanırız ve ardından bunu gözlemlenen Cor(d, y) korelasyonunu olağan şekilde düzeltmek için kullanırız. Ölçüm teorisinde, rastgele hata ep’den etkilenen bir değişkenin güvenilirliği, gerçek T puanlarının varyansının, gözlemlenen X puanlarına oranıdır.

The post Çalışma Karakteristik İlişkilerini Kullanma – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).